Закономерность из примера 1 § 51 была обнаружена на 440 объектах обучения TR. Есть также 89 пятидневных последовательностей, в контрольном множестве CT, для тестирования этой закономерности. Мы рассматривали различные p-значения и нашли те объекты из 89 объектов, которые
связаны со специфическим p-значением. Например, p = 0.55 дает нам 58 объектов и 28 из них
предсказаны правильно (в относительно узком интервале прогноза, таблица 4). Увеличение p
позволило нам дойти до 100 % правильности прогноза, но с более широким
интервалом прогноза и меньшим числом объектов (рис. 12; см. таблица 4). Это означает, что для практического прогноза должен
быть выбран некоторый приемлемый уровень p. Рис. 12 показывает приблизительно равное число правильных и
неправильных прогнозов а также отклонений для p = 0.55 и рост отклонений и увеличение числа правильных прогнозов с ростом p.
Таблица 4. Качество прогноза для закономерности из
примера 1
|
p-Value |
Right forecast |
ML |
MLR |
BFMSE |
|
0.55 |
28 from
58 (48,3 %) |
2.806 |
0.269 |
2.640 |
|
0.60 |
36 from
62 (58.1 %) |
3.111 |
0.925 |
3.347 |
|
0.65 |
34 from
56 (60.7 %) |
3.471 |
1.386 |
2.146 |
|
0.70 |
30 from
46 (65.2 %) |
4.081 |
2.119 |
1.989 |
|
0.75 |
26 from
37 (70.3 %) |
5.059 |
3.172 |
0.604 |
|
0.80 |
24 from
29 (82.8 %) |
4.962 |
4.013 |
0.114 |
|
0.85 |
16 from
18 (88.9 %) |
6.129 |
5.411 |
0.029 |
|
0.90 |
8 from
8 (100 %) |
6.221 |
6.221 |
0.000 |
Этот выбор зависит от индивидуальных целей инвестора, приемлемого уровня
риска и ситуации. Поэтому она должна быть частью торговой стратегии, которая требует
специального исследования, вероятно подобного выбору портфеля с рискованными
ценными бумагами. Мы оставляем систематическое исследование этой проблемы вне
рамок работы. Без этого анализа мы предполагаем, что разумный уровень p-величины для данных (см. таблица 4) мог бы быть [0.65, 0.75].
Рис. 12
Рассмотрим преимущество
предсказания цели по конкретной закономерности типа H1–H4. Если мы
эксплуатируем все 134 найденные закономерности, цель может быть предсказана
фактически для всех объектов,
но для некоторых из них, интервал прогноза может быть очень большим и
бесполезным. При использовании конкретной закономерности из H1–H4 цель может
быть предсказана только для некоторых
определенных объектов, но намного точнее. Определенные объекты,
отобранные для проверки условия Q закономерности (ЕСЛИ Q тогда T). Только если
утверждение Q верно для этих объектов, то предсказание T будет применено. Это
означает, что данная закономерность отказывается принять решение по прогнозу
для объектов, где для этого недостаточно информации. Этот подход кажется более
рациональным, чем другие подходы, которые поставляют прогнозы, всегда используя
одну «универсальную» формулу для
всех объектов.